پژوهشگران دانشگاه Florida Atlantic با استفاده از هوش مصنوعی حرکات نوزادان را تحلیل کردند تا مراحل رشد آنها را بهتر درک کنند.
به گزارش تکناک، محققان دریافتند که حرکت پاها مهم‌ترین شاخص در تعامل نوزادان با محیط است. مدل هوش مصنوعی 2D-CapsNet، با دقت 86 درصد، توانست تفاوت‌های پیچیده در الگوهای حرکتی نوزادان را شناسایی کند.
این پژوهش نشان می‌دهد که AI می‌تواند ابزار مفیدی برای مطالعه رفتارهای نوزادان باشد.
پیشرفت‌های اخیر در رایانش و هوش مصنوعی، به همراه اطلاعات جدید درباره یادگیری نوزادان، نشان می‌دهند که می‌توان از تکنیک‌های یادگیری ماشینی و یادگیری عمیق برای بررسی چگونگی تغییر حرکات نوزادان از حرکات تصادفی به حرکات هدفمند استفاده کرد.
بیشتر تحقیقات تاکنون روی حرکات خودجوش نوزادان تمرکز کرده‌اند و بین رفتارهای بی‌قرار و آرام تمایز قائل شده‌اند.
اگرچه حرکات اولیه نوزاد ممکن است به‌نظر بی‌نظم بیایند، اما آنها الگوهای معنی‌داری را در تعامل با محیط خود نشان می‌دهند. با وجود این، دانشمندان هنوز درکی از چگونگی تعامل هدفمند نوزادان با محیط و علت اقدامات هدفمند آنها ندارند.
فهرست مطالب
درک تعاملات نوزادان از طریق هوش مصنوعی
برای بررسی چگونگی شروع اقدامات هدفمند نوزادان، محققان دانشگاه آتلانتیک فلوریدا و همکاران آنها، آزمایشی به نام baby-mobile را انجام دادند. این تکنیک تحقیقاتی از اواخر دهه ۱۹۶۰ مورد استفاده قرار می‌گیرد.
در این آزمایش، یک نخ که به آویزهای رنگارنگ متصل است، به پای نوزاد بسته می‌شود که با لگد زدن نوزاد حرکت می‌کند و بنابراین نوزاد حرکات خود را به چیزی که می‌بیند، مرتبط می‌سازد.
این کار به محققان کمک می‌کند تا متوجه شوند نوزادان چگونه حرکات خود را کنترل می‌کنند، همچنین می‌توانند توانایی آنها را برای تأثیرگذاری بر محیط اطراف کشف کنند.
در این مطالعه، محققان آزمایش کردند که آیا ابزارهای هوش مصنوعی می‌توانند تغییرات پیچیده در الگوهای حرکت نوزاد را تشخیص دهند.
حرکات نوزاد، با استفاده از یک سیستم ضبط حرکت سه‌بعدی ویکون، به انواع مختلفی طبقه‌بندی شدند، که از جمله آن می‌توان به اقدامات خودجوش تا واکنش‌ها زمانی که آویز حرکت می‌کند، اشاره کرد.
با اعمال تکنیک‌های مختلف هوش مصنوعی، محققان بررسی کردند که کدام روش بهترین تشخیص‌دهنده رفتار نوزاد در شرایط مختلف است و چگونه حرکات در طول زمان تکامل می‌یابند.
نتایج این مطالعه که در مجله Scientific Reports منتشر شده است، نشان می‌دهد که هوش مصنوعی ابزاری ارزشمند برای فهم رشد و تعاملات اولیه نوزادان است.
هر دو روش یادگیری ماشینی و یادگیری عمیق، کلیپ‌های پنج‌ثانیه‌ای از حرکات سه‌بعدی نوزادان را به‌طور دقیق به مراحل مختلف آزمایش اختصاص دادند.
در بین این روش‌ها، مدل یادگیری عمیق 2D-CapsNet بهترین عملکرد را داشت. در تمام روش‌های تست شده، حرکات پاها بالاترین دقت را داشتند، به این معنا که در مقایسه با سایر قسمت‌های بدن، الگوهای حرکتی پاها بیشترین تغییرات را در مراحل مختلف آزمایش نشان دادند.
دکتر اسکات کلسو، یکی از پژوهشگران این مطالعه گفت: «این یافته مهم است چرا که سیستم‌های هوش مصنوعی اطلاعاتی درباره جزئیات آزمایش یا اینکه کدام قسمت از بدن نوزاد با آویز در تماس بوده‌اند، نداشتند. این نشان می‌دهد که پاها بیشتر از همه تحت تأثیر تعامل با موبایل قرار دارند. به عبارت دیگر، اولین ارتباط نوزاد با جهان از طریق پاها شروع می‌شود.»
تأثیر حرکت بر یادگیری نوزادان
مدل هوش مصنوعی 2D-CapsNet دقت ۸۶ درصدی در تحلیل حرکات پاهای نوزادان داشت و توانست روابط دقیق بین قسمت‌های مختلف بدن در زمان حرکت را تشخیص دهد.
در تمام روش‌های تست شده، حرکات پاها به طور مداوم بالاترین نرخ دقت را نشان دادند و حدود ۲۰ درصد بیشتر از حرکات دست‌ها، زانوها یا کل بدن بودند.
یادگیری تعاملات نوزادان از طریق هوش مصنوعی
دکتر الیزا اسلون، یکی از پژوهشگران این مطالعه بیان کرد: «ما دریافتیم که نوزادان پس از جدا شدن از موبایل بیشتر از قبل کاوش می‌کردند. به نظر می‌رسد که از دست دادن توانایی کنترل نخ و آویز، آنها را برای تعامل با جهان، بیشتر تشویق کرد تا راهی برای اتصال مجدد بیابند.»
وی تصریح کرد: «با وجود این، برخی از نوزادان در این مرحله جدا شده، الگوهای حرکتی از خود نشان دادند که حاوی نشانه‌هایی از تعاملات قبلی آنها با آویز بود. این نشان می‌دهد که تنها برخی از نوزادان رابطه خود با آویز را به خوبی فهمیده‌اند تا این الگوهای حرکتی را حفظ کنند و انتظار داشته باشند که حتی پس از جدا شدن از موبایل، همچنان پاسخی از آن دریافت کنند.»
محققان می‌گویند که اگر دقت حرکات نوزادان در طول جدایی از نخ و آویز بالا بماند، ممکن است نشان دهد که نوزادان در طول تعاملات قبلی خود چیزی آموخته‌اند. هرچند انواع مختلف حرکات ممکن است به معنای موضوعات مختلفی باشد که نوزادان کشف کرده‌اند.
دکتر آرون جونز، از دیگر پژوهشگران این مطالعه عنوان کرد: «مهم است که توجه داشته باشیم مطالعه نوزادان چالش‌برانگیزتر از مطالعه بزرگسالان است، چرا که نوزادان نمی‌توانند به صورت کلامی ارتباط برقرار کنند. بزرگسالان می‌توانند دستورالعمل‌ها را دنبال نمایند و اقدامات خود را توضیح دهند، در حالی که نوزادان نمی‌توانند. اینجا است که هوش مصنوعی می‌تواند کمک کند.»
وی تأکید کرد: «هوش مصنوعی می‌تواند به محققان کمک کند تغییرات ظریف در حرکات نوزادان و حتی سکون آنها را تحلیل نمایند تا به ما بینش‌هایی درباره چگونگی تفکر و یادگیری آنها بدهد، حتی قبل از اینکه نوزادان بتوانند صحبت کنند. در ضمن حرکات آنها می‌تواند به ما کمک کند تا تفاوت‌های فردی بسیاری را که در زمان رشد نوزادان رخ می‌دهد، درک کنیم.»
بررسی چگونگی تغییر دقت طبقه‌بندی هوش مصنوعی برای هر نوزاد به محققان راه جدیدی برای فهم زمان و چگونگی شروع تعامل آنها با جهان می‌دهد.
کلسو اعلام کرد: «ترکیب آزمایش‌های مبتنی بر نظریه با هوش مصنوعی به ما کمک می‌کند ارزیابی‌های بهتری از رفتار نوزادان داشته باشیم و ممکن است بتوانیم با این کار به بهبود تشخیص و درمان اختلالات نوزادان دست یابیم.»
